课程简介
本课程由资深 AI 专家杨老师主讲，旨在帮助学员从 0 到 1 提升 AI 产品经理思维。课程涵盖 AI 产业分层、商业模式、核心能力及应用场景，结合实战案例，深入剖析 AI 产品经理的工作流程、需求分析、效果评估等关键环节，助力学员掌握 AI 时代的产品管理精髓，挖掘业务新机会，构建高效协同流程，实现产品从无到有、从有到优的蜕变。
目标收益
体系完整：从夯实基础-场景应用-思维提升。夯实基础是指了解人工智能关键领域的关键技 术，如深度学习，计算机视觉 CV、自然语义处理 NLP 等；场景应用是以真实项目了解 AI 项目落地中的流程和难点。思维提升是指了解 AI 产品经理需要的能力模型。
业务诊断：通过 AI评估指标了解当前重点优化方向。
学习行业优秀案例：剖析不同行业优秀的 AI 案例背后的底层逻辑、思维方式，采用教练式 的方式引导学员进行迁移。
目前先是一天，如果有需要是基于 AI的能力如何发现业务的新机会也可以是利用扣子自己 做个 AI 智能体
培训对象
课程大纲
| 一、夯实 AI 基础知识 |
1. 深刻理解 AI-为什么被称为百年新机遇 2. AI 产业分层和商业模式、新的交互方式改变、新的产品设计（从功能到场景） 案例1：生成式 AI 重新定义体验，客服从被动服务变为主动服务 案例2:如何将AI无缝融入产品用户体验和业务流程中 案例3: oppo AI探索新生态新交互 3.AI能力提升：AI 产品经理能力核心能力和不同职级 4. AI 产品经理能力和传统产品经理思维能力的区别：以智能客服为例进行说明 4.1 AI产品经理工作流程较传统产品经理的变化（重点讲解如何从0到1挖掘AI需求） 4.2 AI 产品经理和不同角色高效协同流程 4.3 AI 产品需求分析变化（算法需求提出） 4.4 AI 效果评估 4.4.1 效果跟踪（了解实现方式、提供标注数据、跟进实验结果和多数据源验证） 4.4.2 效果优化（基于 Badcase、配合算法工程师调整参数、训练模型、提升指标 5. AI四级指标评估体系（短期和长期目标、成本制约下效率的提升 6. 人工智能三大能力以及应用场景：理性能力（理解能力、生成能力和推理能力 情感能力、知识能力 6.1 利用三个能力在不同行业的应用详解（并结合应用的技术） 案例：腾讯ima定位、背景、价值和难点、卡点解决方案 案例：北京银行运营助手、问答机器人 案例：长沙银行智能问答助手迭代，比传统机器人高出 43.4% 案例：字节扣子Ai编程（从Chat到AI Agent） 7. 人工智能技术应知应会(结合案例，用通俗易懂的方式和大家讲） 7.1 机器学习 7.1.1 机器学习全流程（问题定义-数据处理-特征工程-模型训练-模型评估-模型 应用） 7.1.2 机器学习和业务评估指标 7.2 计算机视觉 CV 与卷积 CNN 在不同行业应用、项目实操 7.3 语音交互：ASR、TTS、 SSML 与隐马尔科夫在不同行业应用、项目实操 7.3.1 自然语言处理 NLP 与循环神经网络 RNN 在不同行业应用、项目实操 7.3.2 AIGC：Transformer 模型与 RLHF 在不同行业应用、项目实操 7.3.3 知识图谱定义、应用场景和构建方法 7.4 AI agent的产品架构以及未来发展、行业模式 案例：360智能助理 |
| 二、AI赋能下的产研新范式 |
1.AI时代下的不同团队视角分别面临的三大管理挑战 2.AI时代下的破解思路三角模型 3.AI时代下的流程变革和管理工具 案例：产研销流程优化 |
| 三、AI 项目 实操基础 |
1.AI+BI：荣耀ChatBI 1.1.AI对BI的增量价值以及短和长期效果评估（重点讲如何发现AI能力对业务和数据团队问题的解决、比如用数门槛高、需求响应慢、缺少数据洞察分析只是数据呈现） 1.2 如何从0到1（产品架构、业务流程），1到10和1到100利用AI构建ChatBI以及不同阶段落地的难点 1.3 如何基于数据不断优化迭代产品 （1）如何评估准确性？如何基于数据持续提示准确性 （2）如何提高内部ChatAI的渗透率 1.4 ChatBI在企业如何落地？ 2.美的行业智能客服 2.1 如何做好专业性强的行业智能客服项目实操（why-what-how） 2.1.1 产品定位： （1）.基于行业，行业智能客服产品架构以及解决能力介绍（分售前、售中和售后） （2）基于友商 （3）基于业务流和用户视角 2.1.2 指标制定 2.1.3 不同阶段（MVP验证-意图管理、SOP业务流程，高阶智能客服-流程升级、洞察客户、人机结合智能化）做好行业智能客服的挑战（不专业，不好用，不习惯用）以及对应解法（行业知识库建立、用户意图识别、精准回复的信任建立、结合业务场景从被动服务变为主动服务） 2.1.4 未来行业智能客服的两大发展方向（人格化、多模态 ） 3.美的集团知识库搭建（智能客户构建的基础） 3.1 why：从知识管理、知识运营和知识使用的用户洞察进行说明 3.2 What：短期和长期 3.3 How：产品架构、遇到的难点和卡点以及未来发展规划 |
| 四、AI 未来 展望 |
1. 首月留存率有提升空间，优秀互联网平均的首月留存率为 63%，而 AI 头部平均是 42%，最高的目前有 56% 2. DAU /MAU 互联网是 51%，除了 C.AISHI 41%,其他均值是 14%，频次低 3. 变现能力不足，比如 Talkie 半年累计收入约为 31 万美元 4. 基于 AI 胡说八道，多邻国是如何进行产品设计的 基于这三个问题，行业打算验证的解法和背后思考 5. 聚焦企业内部，AI 未来挑战 |
|
一、夯实 AI 基础知识 1. 深刻理解 AI-为什么被称为百年新机遇 2. AI 产业分层和商业模式、新的交互方式改变、新的产品设计（从功能到场景） 案例1：生成式 AI 重新定义体验，客服从被动服务变为主动服务 案例2:如何将AI无缝融入产品用户体验和业务流程中 案例3: oppo AI探索新生态新交互 3.AI能力提升：AI 产品经理能力核心能力和不同职级 4. AI 产品经理能力和传统产品经理思维能力的区别：以智能客服为例进行说明 4.1 AI产品经理工作流程较传统产品经理的变化（重点讲解如何从0到1挖掘AI需求） 4.2 AI 产品经理和不同角色高效协同流程 4.3 AI 产品需求分析变化（算法需求提出） 4.4 AI 效果评估 4.4.1 效果跟踪（了解实现方式、提供标注数据、跟进实验结果和多数据源验证） 4.4.2 效果优化（基于 Badcase、配合算法工程师调整参数、训练模型、提升指标 5. AI四级指标评估体系（短期和长期目标、成本制约下效率的提升 6. 人工智能三大能力以及应用场景：理性能力（理解能力、生成能力和推理能力 情感能力、知识能力 6.1 利用三个能力在不同行业的应用详解（并结合应用的技术） 案例：腾讯ima定位、背景、价值和难点、卡点解决方案 案例：北京银行运营助手、问答机器人 案例：长沙银行智能问答助手迭代，比传统机器人高出 43.4% 案例：字节扣子Ai编程（从Chat到AI Agent） 7. 人工智能技术应知应会(结合案例，用通俗易懂的方式和大家讲） 7.1 机器学习 7.1.1 机器学习全流程（问题定义-数据处理-特征工程-模型训练-模型评估-模型 应用） 7.1.2 机器学习和业务评估指标 7.2 计算机视觉 CV 与卷积 CNN 在不同行业应用、项目实操 7.3 语音交互：ASR、TTS、 SSML 与隐马尔科夫在不同行业应用、项目实操 7.3.1 自然语言处理 NLP 与循环神经网络 RNN 在不同行业应用、项目实操 7.3.2 AIGC：Transformer 模型与 RLHF 在不同行业应用、项目实操 7.3.3 知识图谱定义、应用场景和构建方法 7.4 AI agent的产品架构以及未来发展、行业模式 案例：360智能助理 |
|
二、AI赋能下的产研新范式 1.AI时代下的不同团队视角分别面临的三大管理挑战 2.AI时代下的破解思路三角模型 3.AI时代下的流程变革和管理工具 案例：产研销流程优化 |
|
三、AI 项目 实操基础 1.AI+BI：荣耀ChatBI 1.1.AI对BI的增量价值以及短和长期效果评估（重点讲如何发现AI能力对业务和数据团队问题的解决、比如用数门槛高、需求响应慢、缺少数据洞察分析只是数据呈现） 1.2 如何从0到1（产品架构、业务流程），1到10和1到100利用AI构建ChatBI以及不同阶段落地的难点 1.3 如何基于数据不断优化迭代产品 （1）如何评估准确性？如何基于数据持续提示准确性 （2）如何提高内部ChatAI的渗透率 1.4 ChatBI在企业如何落地？ 2.美的行业智能客服 2.1 如何做好专业性强的行业智能客服项目实操（why-what-how） 2.1.1 产品定位： （1）.基于行业，行业智能客服产品架构以及解决能力介绍（分售前、售中和售后） （2）基于友商 （3）基于业务流和用户视角 2.1.2 指标制定 2.1.3 不同阶段（MVP验证-意图管理、SOP业务流程，高阶智能客服-流程升级、洞察客户、人机结合智能化）做好行业智能客服的挑战（不专业，不好用，不习惯用）以及对应解法（行业知识库建立、用户意图识别、精准回复的信任建立、结合业务场景从被动服务变为主动服务） 2.1.4 未来行业智能客服的两大发展方向（人格化、多模态 ） 3.美的集团知识库搭建（智能客户构建的基础） 3.1 why：从知识管理、知识运营和知识使用的用户洞察进行说明 3.2 What：短期和长期 3.3 How：产品架构、遇到的难点和卡点以及未来发展规划 |
|
四、AI 未来 展望 1. 首月留存率有提升空间，优秀互联网平均的首月留存率为 63%，而 AI 头部平均是 42%，最高的目前有 56% 2. DAU /MAU 互联网是 51%，除了 C.AISHI 41%,其他均值是 14%，频次低 3. 变现能力不足，比如 Talkie 半年累计收入约为 31 万美元 4. 基于 AI 胡说八道，多邻国是如何进行产品设计的 基于这三个问题，行业打算验证的解法和背后思考 5. 聚焦企业内部，AI 未来挑战 |
近期公开课推荐
